机器学习 —— Sklearn包中StandardScaler()、transform(）、fit()的详细介绍

• sklearn（scikit-learn）是Scipy的扩展，建立在NumPy和matplotlib库的基础上。自2007年发布以来，sklearn已经成为Python重要的机器学习库。
• sklearn支持包括分类、回归、降维和聚类四大机器学习算法。还包含了特征提取、数据处理和模型评估三大模块。

一、 Sklearn包中StandardScaler()

        1. from sklearn.preprocessing import StandardScaler  #导入数据处理模块中的标准化函数

        2. SS = StandardScaler()         #生成实体类模块

        3. scaler=SS.fit(X_train)        #本质上就是求各列均值和方差

        4. X_train=scaler.transform(X_train)     #对数据各列进行标准化

        5.#利用训练集中各列的均值和方差对测试集每一列进行标准化处理。
        test1=scaler.transform(X_test1)
        test2=scaler.transform(X_test2)

 二、方法二（数据标准化)：

mean=train_data.mean(axis=0)
train_data-=mean
std=train_data.std(axis=0)
train_data/=std
test_data-=mean
test_data/=std

注意，用于测试数据标准化的均值和标准差都是在训练数据上计算得到的。在工作流程中，你不能使用在测试数据上计算得到任何结果，即使像数据标准化这么简单的事也不可以。